本发明属于无线通信技术领域，公开了一种无线网络中基于终端信誉的可靠联邦学习方法及系统，通过Beta函数对用户进行信誉建模，令基站构建所有与之关联用户的信誉表，并初始化联邦学习的其他相关参数；在每一轮次的终端用户训练完成后，根据用户信誉公平地选择部分用户与基站进行交互，排除较差信誉用户被调度的可能，同时采用一种公平的策略防止高信誉的用户被过度调度。在基站处根据用户信誉值的比重将本地模型参数按照一定比例进行聚合，并根据当前用户的行为和信道质量更新用户信誉。本发明合理有效地调度更多终端用户参与联邦学习过程，克服了无线网络中信道资源的限制，避免造成资源浪费的问题，极大提升了联邦学习效率和性能。